-
Die
Erfindung betrifft ein Verfahren zur Steuerung des Aufnahme- und/oder
Auswertebetriebs von Bilddaten bei medizinischen Untersuchungen, wobei
in einem zuvor aufgenommenen, ein Zielvolumen ganz oder teilweise
abdeckenden Planungsbilddatensatz, unter Verwendung eines auf Daten über reale
Anatomie basierenden statistischen Modells des Zielvolumens, automatisch
Ortsinformationen des Zielvolumens bestimmt werden und der Aufnahme-
und/oder Auswertebetrieb anhand der Ortsinformationen gesteuert
wird.
-
Bei
Reihenuntersuchungen von Pathologien beziehungsweise bei Untersuchungen
einer möglichen Medikamentenwirkung auf diese Pathologien ist
es für den Untersucher extrem wichtig, die genaue Lage
und Positionierung des pathologischen Objekts möglichst
schnell aufzufinden. Da das Auflösungsvermögen
bei Kleintiermessungen beispielsweise im Bereich von 100 μm
und bei Menschen in einem Bereich von einem halben Millimeter liegt,
können keine vorgefertigten Parametersätze einfach übernommen werden.
Vielmehr ist bei jeder neuen Untersuchung die Position und Orientierung
des zu untersuchenden Objekts neu aufzufinden. Hierzu wird typischerweise ein
Planungsbilddatensatz aufgenommen. Je genauer die Lage des zu untersuchenden
Objekts bestimmt werden soll, desto höher muss die Auflösung
des Planungsbilddatensatzes sein. Ist dieser dreidimensional, ist
es gerade bei Kernspintomographieaufnahmen so, dass in den Phasenkodierrichtungen
mit doppelter Auflösung auch eine jeweils doppelt solange
Messzeit einzuplanen ist. Bei einem dreidimensionalen Datensatz
werden zwei Phasenkodiergradienten benötigt, das heißt,
dass eine verdoppelte Auflösung in diesen beiden Richtungen
einer Vervierfachung der Messzeit entspricht. Zusätzlich
muss nach dieser zeitraubenden Aufnahme auch noch die Positionierung
des Objekts von einem Bediener genau ermittelt werden, um die Parametersätze für
nachfolgende Aufnahmen festzulegen. Eine exakte Positionierung der
Messschicht ist daher nötig, da beispielsweise bei Flussmessungen
die Messschicht senkrecht auf dem durchflossenen Gefäß stehen
muss, da es sonst zu Artefakten in den Aufnahmen kommt. Solche Positionsbestimmungen
können dabei leicht die Hälfte der zur Verfügung
stehenden Messzeit beanspruchen. Wünschenswert ist daher,
mit einem möglichst niedrig aufgelösten Planungsbilddatensatz automatisch
und exakt die Position und Orientierung des zu untersuchenden Objekts
erfassen zu können.
-
Die
DE 10 2006 017 932
A1 beschreibt daher ein Verfahren, bei dem ein Zielvolumen
in einem Planungsbilddatensatz automatisch unter Verwendung eines
auf Daten über reale Anatomie basierenden statistischen
Modells des Zielvolumens bestimmt wird, und mit dieser Information
dann der Aufnahme- und/oder Auswertebetrieb gesteuert wird. Das
statistische Modell wird dabei mittels Messungen an mehreren Probanden
gewonnen.
-
Aufgabe
der Erfindung ist es, ein diesbezügliches Verfahren anzugeben,
das weniger fehleranfällig reproduzierbar ist und dabei
auch weniger Daten aus dem Planungsbilddatensatz benötigt.
-
Zur
Lösung des Problems ist bei einem Verfahren der eingangs
genannten Art erfindungsgemäß vorgesehen, dass
zur Berechnung der Ortsinformationen ein statistisches Modell wenigstens
einer Grauwertverteilung im Bereich der Oberfläche des
Zielvolumens verwendet wird.
-
Zusätzlich
zur Beschreibung des Zielvolumens durch ein Netz von Punkten ist
erfindungsgemäß vorgesehen, das Zielvolumen durch
ein Netz von Profilen zu beschreiben. Dadurch steht für
jeden Punkt, der das Zielvolumen in einem dreidimensionalen Modell
beschreiben soll, statt einem Wert eine Reihe von Werten zur Verfügung.
-
Mit
besonderem Vorteil kann ein anhand von Modelldatensätzen
mehrerer Personen ermitteltes statistisches Modell der Grauwertverteilungen
im Bereich der Oberfläche des Zielvolumens verwendet werden.
Ein solches Modell hat den Vorteil, dass es auf realen Daten basiert,
und dass die statistische Varianz durch geeignete Personenauswahl
und beispielsweise MR-Methodenauswahl möglichst realitätsnah
widergespiegelt wird. Denkbar ist dabei auch, die Personen in Gruppen
einzuteilen, und so jeweils ein Modell beispielsweise für
Kinder, Frauen und Männer, oder für eine altersgruppenmäßige
Einteilung zu schaffen. Hierdurch kann die Varianz im Modelldatensatz
verringert werden und somit die Genauigkeit erhöht werden.
-
Vorteilhafterweise
können auf der Oberfläche des Zielvolumens eines
jeden Modelldatensatzes Korrespondenzpunkte festgelegt werden. Durch dieses
Vorgehen lässt sich das Volumen der zu verarbeitenden Daten
erheblich reduzieren. Je einfacher das Zielvolumen strukturiert
ist, desto weniger Korrespondenzpunkte benötigt man zur
Beschreibung. Beispielsweise ist es möglich, geometrisch
einfacher aufgebaute Zielvolumina wie die Leber oder die Nieren
mit relativ wenigen Korrespondenzpunkten zu erfassen, während
für komplexer aufgebaute Zielvolumina wie das Herz mehr
Korrespondenzpunkte benötigt werden.
-
Vorzugsweise
können als Profile die Grauwerte in Richtung der Oberflächennormalen
eines jeden Korrespondenzpunktes des Zielvolumens ermittelt werden.
Die Profile sind selbstverständlich abhängig von
ihrer Lage bezüglich der Oberfläche. Durch die
Auswahl einer Vorzugsrichtung in Richtung der Oberflächennormalen
können möglichst klare Übergänge
vom Zielvolumen in Regionen außerhalb des Zielvolumens
geschaffen werden. Dabei liegt ein Teil der Datenpunkte des Profils
innerhalb des Zielobjekts, einige wenige im Übergangsbereich
und weiterhin mehrere Punkte außerhalb des Zielobjekts.
Im Idealfall würde der Übergang stufig erfolgen,
d. h., dass der Übergang vom Zielvolumen in das umliegende
Gewebe als Sprung in den Grauwerten des Profils erkennbar wäre.
In der Realität liegen allerdings meist wenigstens ein
bis zwei Messpunkte in diesem Sprungbereich, d. h., zwischen den
Werten, die das Zielvolumen aufweist und den Werten, die das umgebende
Gewebe hat. Praktischerweise muss durch das Verwenden des Profils
kein exakter Punkt festgelegt werden, an dem die Oberfläche
des Zielvolumens endet. Eine solche Festlegung ist von Natur aus
immer fehlerbehaftet und kann mit dem erfindungsgemäßen
Verfahren wegfallen. Vorzugsweise können nach Normalisierung
der Profile aus den Profilen sich entsprechender Korrespondenzpunkte für
jeden Korrespondenzpunkt ein das statische Modell darstellendes
Durchschnittsprofil und eine die statistische Abweichung darstellende
Kovarianzmatrix ermittelt werden. Statistische Aussagen sind erst nach
Messung wenigstens einiger Probanden möglich, diese können
auch noch wie bereits erwähnt, in Gruppen aufgeteilt werden.
Um nun aus all diesen Zielvolumina der Modelldatensätze
ein statistisches Modell zu gewinnen, müssen diese erst
normalisiert, d. h., der Wertebereich der Variablen auf einen bestimmten
Bereich transformiert werden. Danach ist es möglich, aus
den Modelldatensätzen ein Durchschnittsprofil und eine
Kovarianzmatrix für jeden Korrespondenzpunkt zu ermitteln.
Dies kann auch bei Gruppeneinteilung geschehen, wobei dann jeweils lediglich
die der Gruppe zugehörigen Modelldatensätze in
die Erstellung des Durchschnittsprofils und der Kovarianzmatrix
einbezogen werden.
-
Alternativ
kann aus den Korrespondenzpunkten der Modelldatensätze
durch Transformation aller Probandenbilder auf das Durchschnittsmodell ein
Referenzbild ermittelt werden. In diesem Fall können nicht
nur die Profile bezüglich der Oberflächennormalen
der Korrespondenzpunkte betrachtet werden, somit ist diese Berechnung
des Referenzbildes rechenintensiver, allerdings wird das statistische
Modell außerhalb der Messungen mit Probanden erstellt und
dieser Zeitfaktor ist somit weniger von Belang. Der Vorteil liegt
darin, dass durch das Referenzbild mehr Daten zur Verfügung
stehen. Vorzugsweise können dann aus dem Referenzbild ein
normalisiertes, ein weiteres statistisches Modell darstellendes Durchschnittsbild
und ein normalisiertes, die statistische Abweichung darstel lendes
Varianzbild ermittelt werden. Durch dieses Vorgehen erhält
man nicht nur Profile bezüglich der Oberflächennormalen
des Zielvolumens, sondern Profile der Grauwertverteilung in jede
Richtung bezüglich der Oberfläche des Zielvolumens.
Man erhält also eine breitere Ausgangsdatenbasis.
-
Als
Planungsbilddatensatz kommen je nach Anwendungsbereich verschiedene
zweidimensionale oder dreidimensionale Datensätze bzw.
Datensätze aus mehreren zweidimensionalen Bildern in Frage.
Insbesondere ist es möglich, dass als Planungsbilddatensatz
Localizer-Aufnahmen verwendet werden. Die solchermaßen
aufgenommenen Daten sind selbstverständlich einer oder
mehreren Postprocessing-Routinen unterworfen. Beispielsweise werden MR-Daten
typischerweise im k-Raum aufgenommen und erst durch eine Fouriertransformation
in den Ortsraum überführt. Bei diesem Postprocessing
kann dann auch die Ortsauflösung, beispielsweise durch zero
filling, verändert werden. Solche Rekonstruktionsschritte
sind nötig, da das statistische Modell selbstverständlich
im Ortsraum aus zuvor ebenfalls rekonstruierten Bilddatensätzen
erstellt wurde. Da ein auf realen Daten basierendes statistisches
Modell verwendet wird, also von vornherein schon Annahmen über
das tatsächliche Aussehen des Zielvolumens in das Verfahren
hineingesteckt werden, sind selbst niedrig aufgelöste Bilddatensätze
mit einer geringen Abdeckung des das Zielvolumen enthaltenden Zielgebietes
ausreichend, so dass sie als Planungsbilddatensatz verwendet werden
können. Der Begriff „Abdeckung" wird dabei so
verstanden, dass im Falle von zweidimensionalen Bildern dem Zielvolumen
nur dünne Schnitte entnommen werden und somit eine geringe
Schichtdicke realisiert wird. Dabei könnte aber die Ortsauflösung
des eigentlichen Bildes hoch sein. Eine geringe Abdeckung wird also
durch eine geringe Schichtdicke und eine geringe Anzahl von Bildern
erreicht. Hierin hat das erfindungsgemäße Verfahren
ein besonders vorteilhaftes Anwendungsgebiet, da eben diese Localizer-Aufnahmen
ohnehin vor der weiteren Datensatzaufnahme angefertigt werden.
-
Selbstverständlich
ist es auch möglich, dass als Planungsbilddatensatz ein
vorheriger Diagnostikbilddatensatz verwendet wird. Ein solcher Diagnostikbilddatensatz
kann aus verschiedenen Gründen bereits aufgenommen worden
sein oder mit Hilfe des Verfahrens unmittelbar ausgewertet werden.
So kann beispielsweise ein Organ in einem Diagnostikbilddatensatz
lokalisiert werden, um danach Parameter, wie beispielsweise sein
Volumen, zu bestimmen.
-
Mit
Hilfe des statistischen Modells werden folglich Ortsinformationen
des Zielvolumens gewonnen. Dazu kann zur Bestimmung der Ortsinformationen
zunächst unter Berücksichtigung der Art des Zielvolumens
eine Startposition für eine erzeugte Modellinstanz des
Modells festgelegt werden, z. B. unter Verwendung eines Ellipsoidmodells
des Torsos eines Patienten, und die Modellinstanz in einem Optimierungsprozess
den Bilddaten im Planungsbilddatensatz angepasst werden, wobei die
Ortsinformation nach Abschluss des Optimierungsprozesses aus der angepassten
Modellinstanz gewonnen wird.
-
Zunächst
muss folglich erst eine Startposition gefunden werden. Wie man diese
am besten festlegen kann, hängt von der Art des Zielvolumens
ab. Handelt es sich beispielsweise um ein im Torso eines Patienten
angeordnetes Organ, so ist dessen grobe Lage in Torso relativ gut
bekannt. Zum automatischen Finden der Startposition kann der Torso
beispielsweise vereinfachend als ein Ellipsoid aufgefasst werden.
Als Startposition wird dann die relative Position in dem Ellipsoiden
angenommen, an dem sich üblicherweise das entsprechende
Organ befindet. Praktisch werden dazu z. B. die ersten und zweiten
Momente aus dem Planungsbilddatensatz bestimmt, wonach der ellipsoidartige
Torso bestimmt werden kann, worin dann die Startposition gewählt werden
kann.
-
Vorzugsweise
kann vorgesehen sein, dass der Optimierungsprozess folgende Schritte
umfasst:
- – Erstellen eines Submodells,
das diejenigen Korrespondenzpunkte des statistischen Modells umfasst,
für die entsprechende Bildpunkte im Planungsbilddatensatz
vorhanden sind
- – Berechnung der aktuellen Profile der Korrespondenzpunkte
des Submodells anhand des Planungsbilddatensatzes
- – Berechnung einer wahrscheinlichsten Verschiebung
für jeden Korrespondenzpunkt des Submodells anhand der
aktuellen Profile und den jeweiligen statistischen Profilen
- – Berechnung derjenigen Transformation, die die wahrscheinlichste
Verschiebung am besten nachbildet
- – Projektion des transformierten Submodells auf das
statistische Submodell
- – Wiederholung der vorhergehenden Schritte bis zur
Konvergenz des Modells.
-
Wie
eingangs bereits dargestellt, soll zur schnellen Durchführung
des Verfahrens der Planungsbilddatensatz möglichst gering
abdecken. Die Ortsabdeckung der Modelldatensätze wird daher
die des Planungsbilddatensatzes übertreffen. Somit befinden
sich im Planungsbilddatensatz weniger Datenpunkte als im statistischen
Modell des Zielvolumens. Daher muss ein Submodell erstellt werden,
bei dem diejenigen Korrespondenzpunkte des statistischen Modells
aufgefunden werden, für die es Entsprechungen im Planungsbilddatensatz
gibt. Danach kann für die aktuell vorhandenen Korrespondenzpunkte
jeweils das entsprechende Profil der Grauwertverteilung berechnet
werden, und diese Profile können dann mit den Profilen
des statistischen Submodells verglichen werden. Aus diesen Daten
lässt sich die Transformation für die wahrscheinlichste Verschiebung
berechnen und danach das statistische Submodell transformieren.
Bei Konvergenz der Berechnungen ist dasjenige statistische Modell
bzw. Submodell gefunden worden, das die Messdaten am besten widerspiegelt.
-
Wie
schon erwähnt, kann das erfindungsgemäße
Verfahren zur Steuerung des weiteren Aufnahmebetriebs von Bilddaten
verwendet werden. Insbesondere kann dabei die Aufnahme eines Zweitbilddatensatzes,
insbesondere eines Magnetresonanzbilddaten satzes, anhand der Ortsinformation
gesteuert werden. Dies ist insbesondere dann vorteilhaft, wenn zur
Aufnahme des Zweitbilddatensatzes die zur Aufnahme des Planungsbilddatensatzes
verwendete Bildaufnahmeeinrichtung verwendet wird. Der Planungsbilddatensatz
kann dabei wiederum aus Localizer-Aufnahmen bestehen. Zweckmäßigerweise bleibt
der Patient zwischen der Aufnahme des Zweitbilddatensatzes und der
Aufnahme des Planungsbilddatensatzes im Wesentlichen unbewegt, wobei definierte
Bewegungen insbesondere des Patiententisches in die Ortsinformation
einfließen können.
-
Alternativ
ist es natürlich auch möglich, dass ein Übersichtsbilddatensatz
aufgenommen wird, der Planungsbilddatensatz mit dem Übersichtsbilddatensatz
registriert wird und der zweite Bilddatensatz bei im Vergleich zu
dem Übersichtsbilddatensatz unbewegten Patienten aufgenommen
wird, wobei die Steuerung der Aufnahme anhand der Registrierung und
der Ortsinformationen erfolgt. Ein solches Szenario kann beispielsweise
auftreten, wenn als Planungsbilddatensatz ein bei einer zeitlich
zurückliegenden Untersuchung aufgenommener Diagnostikdatensatz
oder auch sonstiger Bilddatensatz verwendet wird. Dann ist es natürlich
auch nötig, einen Zusammenhang zwischen dem Planungsbilddatensatz und
dem Koordinatensystem der Bildaufnahmeeinrichtung bzw. der momentanen
Lage und Position des Patienten herzustellen. Dies geschieht mit
Hilfe des Übersichtsbilddatensatzes. Dabei kann es sich beispielsweise
wiederum um Localizer-Aufnahmen handeln.
-
Die
Aufnahme des Zweitbilddatensatzes kann dabei auf vielerlei Art und
Weise gesteuert werden. So kann die Ortsinformation zur Bestimmung von
Bildaufnahmeparametern aufzunehmender Schichten genutzt werden.
Dies ist vor allem bei Magnetresonanzaufnahmen hilfreich. Das mühselige manuelle
Markieren von aufzunehmenden Schichten in einer Anzeige des Planungsbilddatensatzes
entfällt mithin. Alternativ oder zusätzlich können
die Ortsinformationen zur Positionierung eines Navigators genutzt
werden. Mit Hilfe der bekannten Position, Orientierung und Form
des Zielvolumens ist es mittels geeigneter Algorith men leicht möglich,
eine ideale Positionierung eines Navigators, z. B. PACE, zu ermöglichen,
die weit weniger fehlerbehaftet ist.
-
Weiterhin
können die Ortsinformationen zur Positionierung des Patienten
genutzt werden. Beispielsweise kann eine ideale Positionierung einer
Patientenliege in einem Magnetresonanzgerät bestimmt werden,
so dass im Zielvolumen maximale Homogenität herrscht.
-
Als
letztes Beispiel ist es schließlich zweckmäßig,
die Ortsinformation bei Magnetresonanzaufnahmen zur Anpassung eines
Messprotokolls zu nutzen. Bei sogenannten Verknüpfungsaufnahmen
kann beispielsweise die Repetitionszeit optimiert werden.
-
Oftmals
ist es auch möglich, dass im Rahmen einer vollständigen
Untersuchung oder einer Untersuchung in mehreren Schritten eine
größere Anzahl von Bilddatensätzen aufgenommen
werden. Zur stetigen Verbesserung und Optimierung der Ortsinformationen
kann es dabei sinnvoll sein, wenn der Zweitbilddatensatz als Planungsdatensatz
für eine weitere Durchführung des Verfahrens verwendet wird.
Damit wird iterativ die Feststellung der Ortsinformationen von Aufnahme
zu Aufnahme ständig verbessert, wobei als Startwerte immer
die Ergebnisse der letzten Anpassung des statistischen Modells verwendet
werden können.
-
Da
sich bei der Anpassung des Modells an den entsprechenden Patienten
letztendlich bei verschiedenen Aufnahmen, also in verschiedenen
Bilddatensätzen, die gleiche angepasste Modellinstanz ergibt,
sich also diese letztendlich nur durch die Positionierung des Patienten
während der Aufnahme, also in Lage und Positionierung und
gegebenenfalls durch Deformationen, unterscheiden, lassen sich dennoch
durch Vergleich von ausgezeichneten Punkten dieser beiden Modellinstanzen
die beiden erwähnten Bilddatensätze in Verbindung
setzen. Zweckmäßigerweise kann also vorgesehen
sein, dass aus einem ersten, bei einer Erstuntersuchung gewonnenen
und einem zweiten, zur Planung einer Folgeuntersuchung dienenden
Planungsbilddatensatz erste und zweite Ortsinformationen gewonnen werden,
wobei zur Steuerung sowohl die ersten als auch die zweiten Ortsinformationen
verwendet werden. So kann beispielsweise im ersten Planungsbilddatensatz
ein bestimmter Punkt aufgefunden werden, an dem beispielsweise eine
Unregelmäßigkeit vorliegt, die im Rahmen einer
Folgeuntersuchung genauer untersucht werden soll. Da die Modellinstanzen
sich im Wesentlichen entsprechen, kann derselbe interessante Punkt
selbstverständlich auch in der an den zweiten Planungsbilddatensatz
angepassten Instanz des statistischen Modells aufgefunden werden.
Somit werden die aus beiden Planungsbilddatensätzen gewonnenen
Ortsinformationen vorteilhaft miteinander in Zusammenhang gebracht,
um das eigentliche Interessengebiet für die Folgeuntersuchung
in dem zweiten Planungsbilddatensatz zu lokalisieren und den Folgeuntersuchungsbetrieb
danach zu steuern. Zusammenfassend können also bei unterschiedlicher
Position, Orientierung und/oder Form des Zielvolumens während
der Aufnahme des ersten Planungsbilddatensatzes und während
der zu steuernden Aufnahme eines weiteren Bilddatensatzes die ersten
und die zweiten Ortsinformationen zur Ermittlung einer räumlichen
Beziehung, insbesondere einer Registrierung, dienen, aufgrund welcher
die Steuerung erfolgt. Auch eine einfache Registrierung ist folglich
anhand des Verfahrens möglich.
-
In
einer anderen Variante des Verfahrens können im Rahmen
einer Steuerung des Auswertebetriebs Auswertungsinformationen über
das Zielvolumen unter Berücksichtigung der Ortsinformationen ermittelt
werden. Beispielsweise kann aus den Ortsinformationen ein Startwert
für einen Segmentierungsprozess ermittelt werden. Wo die
Anpassung des statistischen Modells alleine schon eine recht gute
Segmentierung darstellt, kann sie als Startwert für einen
feineren Segmentierungsalgorithmus Ausgangspunkt für noch
genauere und bessere Ergebnisse sein.
-
Alternativ
oder zusätzlich ist es möglich, dass die Ortsinformation
zur Bestimmung physiologischer Parameter oder Daten herangezogen
wird. Solche Parameter oder Daten können beispielsweise das
Volumen eines Organs bzw. die Zahl der darin vorkommenden Läsionen
oder der Volumenanteil der Läsionen am Organ sein. Auch
die Durchblutung des Zielvolumens lässt sich bestimmen.
Dabei werden die Ortsinformationen hauptsächlich dazu genutzt, den
zur Erhaltung der Parameter oder Daten verwendeten Bereich einzugrenzen.
Es wird also aus dem Bilddatensatz beispielsweise nur der Teil betrachtet, der
auch zum Zielvolumen gehört, und aus diesem Unterbilddatensatz
werden dann die physiologischen Parameter oder Daten ermittelt.
-
Das
Verfahren ist jedoch auch dann anwendbar, wenn in einem Planungsbilddatensatz
mehrere Zielvolumina zu sehen sind. Dann können unter Verwendung
jeweils eines statistischen Modells pro Zielvolumen Ortsinformationen
aller Zielvolumina bestimmt werden. In einem darauf folgenden Schritt kann
beispielsweise eine Bildaufnahmeeinrichtung so angesteuert werden,
dass für jedes dieser Zielvolumina Zweitbilddatensätze,
die nur dieses Zielvolumen zeigen, erstellt werden. Besonders vorteilhaft erweist
sich das Verfahren auch bei der Zuordnung von Auffälligkeiten
zu bestimmten Zielvolumina bzw. Organen. Dann kann nämlich
vorgesehen sein, dass die Ortsinformationen zur Zuordnung ermittelter
physiologischer Parameter oder Daten zu Zielvolumina verwendet werden.
Beispielsweise kann damit die Anzahl von Läsionen für
alle Organe des Unterbauchs angezeigt werden. Dazu werden solche
Läsionen zunächst im gesamten Planungsbilddatensatz bestimmt,
inklusive ihrer Position. Liegt die Position dann innerhalb eines
mit Hilfe des statistischen Modells lokalisierten Zielvolumens,
also eines bestimmten Organs, so wird sie diesem Organ zugeordnet. Dies
ist natürlich nicht nur für Läsionen,
sondern auch für andere Auffälligkeiten, wie beispielsweise Karzinome,
möglich, die dann, verschiedenen Zielvolumina zugeordnet
werden.
-
Weitere
Vorteile, Merkmale und Einzelheiten der Erfindung ergeben sich aus
den im Folgenden beschriebenen Ausführungsbeispielen sowie
anhand der Zeichnungen. Dabei zeigen:
-
1 eine
Prinzipdarstellung der Gewinnung eines statistischen Modells mittels
der „offline-Strategie",
-
2 eine
Prinzipdarstellung der Gewinnung eines statistischen Modells mittels
der „on-the-fly-Strategie",
-
3 eine
Prinzipdarstellung einer Magnetresonanzanlage zur Durchführung
des erfindungsgemäßen Verfahrens,
-
4 einen
Ablaufplan des erfindungsgemäßen Verfahrens,
-
5 einen
Ablaufplan des Schrittes S4,
-
6–9 eine
schematische Visualisierung der Modellanpassung, und
-
10 eine
Prinzipdarstellung der Berechnung der wahrscheinlichsten Verschiebung.
-
3 zeigt
beispielhaft eine Magnetresonanzanlage 20 zur Durchführung
des erfindungsgemäßen Verfahrens. Daneben ist
es aber auch denkbar, das Verfahren mit strahlungsbasierten Bildgebungsmodalitäten
und auch anderen Bildgebungsmodalitäten durchzuführen,
wobei das Ziel des Verfahrens weniger auf einem Zeitgewinn als vielmehr auf
einer Reduzierung der Strahlbelastung liegen würde.
-
Zur
Erstellung des statistischen Modells werden verschiedene Patienten 21 auf
eine Patientenliege 22 in die Magnetresonanzanlage 20 gefahren.
Zur Erstellung des statistischen Modells werden jeweils Bilddatensätze,
sogenannte Modelldatensätze, aufgenommen. Weitere Messungen
als die Gewinnung hoch aufgelöster Modelldatensätze
sind bei diesen Patienten 21 nicht vorgesehen. Die Modelldatensätze
werden dann an eine Recheneinheit 23, ausgestattet mit
Monitor 24 und Tastatur 25, weitergeleitet. Ob
für unterschiedliche Zielvolumina, wie beispielsweise Gehirn,
Leber, Nieren oder auch die Aorta und die Karotiden jeweils gleiche
Patienten oder unterschiedliche Patienten herangezogen werden, ist
dabei nebensächlich. Wichtig ist nur, dass zur Modellbildung
für ein bestimmtes Zielvolumen jeweils genügend
Modelldatensätze zur Verfügung stehen, um statistische
Aussagen treffen zu können. Die Streuung in den Modelldatensätzen
kann dabei verringert werden, wenn in den Patienten Untergruppen
aufgefunden werden können, deren Varianz untereinander gering
ist. Denkbar ist beispielsweise eine Einteilung in Kinder und Erwachsene,
bzw. Kinder, Frauen und Männer, oder generell in eine Alterseinteilung,
die z. B. nach Dekaden erfolgen kann. Zur Durchführung des
erfindungsgemäßen Verfahrens kann dann abhängig
vom zu untersuchenden Objekt das passendste statistische Modell
ausgewählt werden.
-
Um
von den Modelldatensätzen auf die statistischen Modelle
zu kommen, gibt es zwei Strategien.
-
1 zeigt
die „offline-Strategie". Dabei werden auf den Oberflächen
der Zielvolumina der Modelldatensätze Korrespondenzpunkte
festgelegt. Für jeden Korrespondenzpunkt werden dann die
Profile der Grauwerte in Richtung der Oberflächennormalen ermittelt.
Ein Teil der Datenpunkte der Profile liegt dabei innerhalb des Zielvolumens,
ein Teil außerhalb und ein Teil im Übergangsbereich.
Eine exakte Trennung des Zielvolumens von der Umgebung, gekennzeichnet
durch einen Sprung im Profil, ist in der Realität nicht
gegeben.
-
Daher
zeigen die Kurven 2a, 2b und 2c auch keinen
Sprung, sondern einen stetigen Übergang. Die Kurven 2a, 2b und 2c zeigen
dabei das Profil der Grauwerte, die durch die Oberflächennormalen 8a, 8b und 8c der
Zielvolumina 1a, 1b und 1c angezeigt werden.
Die x-Achsen 3a, 3b und 3c weisen jeweils in
Richtung der Oberflächennormalen 8a, 8b und 8c, während
die y-Achsen 4a, 4b und 4c relative Intensitätsprofile
angeben.
-
So
erhält man zuerst für jeden Modelldatensatz und
jeden Korrespondenzpunkt ein Grauwertprofil. Bei der „Offline-Strategie"
wird das statistische Modell nun dadurch gebildet, dass aus den
Grauwertprofilen entsprechender Korrespondenzpunkte ein Mittelwert
gebildet wird und dazu eine entsprechende Kovarianzmatrix berechnet
wird. Die Mittelung erfolgt also jeweils über die Modelldatensätze und
man erhält so viele Grauwertprofile und Kovarianzmatritzen,
wie Korrespondenzpunkte festgelegt wurden.
-
Etwas
anders ist das Vorgehen bei der „on-the-fly-Strategie",
wie in 2 zu sehen ist. Hier werden die Zielvolumina 1a, 1b und 1c auch
mit Korrespondenzpunkten versehen, jedoch wird aus diesen dann durch
Transformation ein Referenzbild gewonnen. Aus diesem Referenzbild 10 lässt
sich dann ein normalisiertes Durchschnittsbild und ein normalisiertes
Varianzbild berechnen. Dadurch erhält man nicht nur Grauwertprofile
bezüglich der Oberflächennormalen, sondern in
alle beliebigen Richtungen für jeden Korrespondenzpunkt.
Im normalisierten Durchschnittsbild 10 ist zur Veranschaulichung
die Oberflächennormale 11 eingezeichnet. Man kann
analoge Betrachtungen in diesem Punkt für jede Profilorientierung
durchführen. Das entsprechende Grauwertprofil 12 ist über
der x-Achse 13 aufgetragen, die in Richtung der Oberflächennormalen 11 liegt.
Die y-Achse 14 zeigt die Intensitätsverteilung
des Grauwertprofils des Durchschnittsbildes 10 an der Stelle der
Oberflächennormalen 11 an. Entsprechende Angaben
lassen sich auch für die Varianz darstellen. Die x-Achse 15 entspricht
dabei der x-Achse 13, allerdings ist auf der y-Achse 16 die
Varianz aufgetragen, die entsprechende Kurve 17 ist ebenfalls
in 2 abgebildet.
-
5 zeigt,
wie das Durchschnittsmodell an die Werte des Planungsbilddatensatzes
angepasst wird. In einem ersten Schritt S41 wird ein Submodell erstellt.
Das statistische Modell wurde ja hoch aufgelöst bzw. mit
voller Abdeckung aufgenommen, um möglichst präzise
Ortsinformationen und Größeninformationen des
Zielvolumens zu erhalten. Der Planungsbild datensatz wird dagegen
meist mit einer niedrigen Auflösung bzw. Abdeckung aufgenommen, um
Zeit zu sparen. Daher hat nicht jeder Korrespondenzpunkt im statistischen
Modell eine Entsprechung im Planungsbilddatensatz. Im Submodell
werden daher diejenigen Korrespondenzpunkte des statistischen Modells
ausgewählt, die eine Entsprechung im Planungsbilddatensatz
haben. Das statistische Modell enthält neben der Angabe
der Korrespondenzpunkte für jeden Korrespondenzpunkt auch
ein Grauwertprofil, ebenso existieren dann im Submodell zu jedem
Korrespondenzpunkt entsprechende Grauwertprofile. Zusätzlich
zu diesen vorbekannten und vorberechneten Grauwertprofilen werden
in Schritt S42 die aktuellen Profile berechnet, diese sind die Profile,
die aus dem Planungsbilddatensatz gewonnen werden können.
Im Anschluss daran wird für jeden Korrespondenzpunkt die
wahrscheinlichste Verschiebung berechnet, durch die das aus dem
statistischen Modell bekannte Profil in das aktuelle Profil überführt
werden kann. Bei den Schritten S42 und S43 ist zu beachten, dass
die Profile bei Vorliegen eines statistischen Modells auf Basis
der „offline-Strategie" nur Profile bezüglich
einer Oberflächennormalen verwendet werden können,
während bei Benutzung eines statistischen Modells auf Basis
der „on-the-fly-Strategie" Profile in beliebigen Richtungen einsetzbar
sind. Ein weiterer Unterschied für die beiden unterschiedlichen
Strategien ergibt sich auch in der Berechnung der wahrscheinlichen
Verschiebung. Bei der „offline-Strategie" erfolgt sie z.
B. über die Mahalanobis-Distanz des Profils, während
bei der „on-the-fly-Strategie" z. B. die minimale Gauß'sche Distanz
verwendet wird. Die Definition der Mahalanobis-Distanz ist dabei:
dMahalanobis = (p – p)T·C–1(p – p).p steht dabei für das
Profil und C für die Kovarianz. Die Gaußsche Distanz
ist definiert über:
wobei die p
i die
einzelnen Werte des Profils sind und die σ
i die
Varianzen der Punkte. Danach wird in Schritt S44 eine Transformation
des Submodells berechnet, die die wahrscheinlichsten Verschiebungen am
besten nachbildet. Das solchermaßen transformierte Submodell
wird in Schritt S45 dann auf das statistische Submodell projiziert,
gemäß der Formel
-
Die
Werte von b sind dabei auf einen gültigen Bereich einzugrenzen.
Die Schritte S41–S45 werden dann solange wiederholt, bis
das Modell konvergiert. Das statistische Durchschnittsmodell wurde
also solange verändert, bis die Daten des Planungsbilddatensatzes
mit der größten Wahrscheinlichkeit wiedergegeben
werden. Eine grafische Darstellung der Anpassung des statistischen
Modells auf den Planungsbilddatensatz zeigen die 6–9.
Der Planungsbilddatensatz besteht dabei aus sechs Localizer-Bildern,
wobei jeweils drei parallele Schichten 31a, 31b und 31c sowie
drei senkrecht darauf stehende und wiederum zueinander parallele
Schichten 32a, 32b und 32c aufgenommen
wurden. In diese Daten wird dann das statistische Durchschnittsmodell 30 mit
den Korrespondenzpunkten 35a–35g gelegt.
Wie man erkennt, finden sich für die Korrespondenzpunkte 35a, 35b, 35c, 35d, 35f und 35g Entsprechungen
im Planungsbilddatensatz, nicht jedoch für den Korrespondenzpunkt 35e.
Dieser fehlt daher im Submodell. Beispielhaft ist für den
Korrespondenzpunkt 35c die Oberflächennormale 33 eingezeichnet,
sowie ein frei orientierter Vektor 34. Diese stellen die
zu gewinnenden Grauwertprofile dar. Hier wird der Vorteil der „on-the-fly-Strategie"
deutlich. Während bei der „offline-Strategie"
nur die Datenpunkte zur Verfügung stehen, die durch die
Oberflächennormale 33 angedeutet werden, stehen
bei der „on-the-fly-Strategie" auch die durch den Vektor 34 angezeigten
Punkte zur Verfügung, somit stehen zur Berechnung der Verschiebung
der Grauwertprofile wesentlich mehr Daten bereit.
-
In 7 sind
für die Korrespondenzpunkte des Submodells jeweils die
wahrscheinlichsten Verschiebungen 36a, 36b, 36c, 36d, 36f und 36g für
die jeweiligen Korrespondenzpunkte eingezeichnet. Nach Durchführung
dieser Verschiebung ergibt sich ein neues Submodell 38,
wie in 8 dargestellt ist. Die solchermaßen verschobenen
Korrespondenzpunkte werden dann durch Ähnlichkeitstransformation
und Projektion auf das Submodell auf die wahrscheinlichste Modellinstanz 39 transformiert,
wie 9 darstellt. Somit konnte mittels 6 schnell aufzunehmende
Localizer des Planungsbilddatensatzes ein hoch aufgelöstes
statistisches Modell 39 des Zielobjekts erstellt werden,
wobei sowohl die Messung des Planungsbilddatensatzes als auch die
Berechnung der wahrscheinlichsten Modellinstanz schnell von statten
gehen konnten.
-
7 zeigt
schematisch das Auffinden der wahrscheinlichsten Verschiebung. Für
den Korrespondenzpunkt 41 des Submodells 40 sind
drei mögliche Verschiebung 42a, 42b und 42c denkbar.
Das aktuelle Profil 44 ist dem Planungsbilddatensatz entnommen,
während die möglichen, auf der Verschiebung basierenden
Profile 43a, 43b und 43c dem statistischen
Modell entnommen sind. Wie man erkennen kann, ergibt sich eine maximale Übereinstimmung
für die Verschiebung 42b, die daher für
den Korrespondenzpunkt 41 ausgewählt wird. Dementsprechend
wird für alle weiteren Korrespondenzpunkte des Submodells 40 verfahren.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste
der vom Anmelder aufgeführten Dokumente wurde automatisiert
erzeugt und ist ausschließlich zur besseren Information
des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen
Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt
keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- - DE 102006017932
A1 [0003]
